基于视觉的行人与二轮车辆检测算法的研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-14页 |
| ·选题背景及研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12页 |
| ·基于计算机视觉的二轮车辆检测技术的难点 | 第12-13页 |
| ·本文主要工作 | 第13页 |
| ·本文组织结构 | 第13-14页 |
| 第2章 分类器的训练和图像的预处理 | 第14-28页 |
| ·分类器的基础知识 | 第14-19页 |
| ·AdaBoost的定义及主要解决的问题 | 第14-15页 |
| ·AdaBoost算法的实现过程 | 第15页 |
| ·AdaBoost算法的具体步骤 | 第15-16页 |
| ·Haar分类器的训练 | 第16页 |
| ·弱分类器、强分类器和级联分类器 | 第16-18页 |
| ·分类器的训练 | 第18-19页 |
| ·图像的预处理 | 第19-26页 |
| ·灰度变换 | 第19-20页 |
| ·图像的形态变换 | 第20-22页 |
| ·平滑处理 | 第22-23页 |
| ·边缘检测 | 第23-25页 |
| ·灰度直方图的均衡化 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第3章 车辆位置检测 | 第28-40页 |
| ·提取轮廓 | 第29页 |
| ·车辆位置估计 | 第29-38页 |
| ·提取车轮的轮廓 | 第29-30页 |
| ·车轮识别 | 第30-38页 |
| ·消除图像中部分噪声干扰 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 目标的识别与跟踪 | 第40-56页 |
| ·目标的识别 | 第40-46页 |
| ·单纯基于分类器的方法 | 第40-41页 |
| ·将车轮检测和分类器相结合的方法 | 第41-45页 |
| ·进一步降低分类器的误检率 | 第45-46页 |
| ·目标的跟踪 | 第46-48页 |
| ·MeanShift算法 | 第46-47页 |
| ·CamShift算法 | 第47-48页 |
| ·目标的预测 | 第48-54页 |
| ·Kalman滤波算法 | 第48-49页 |
| ·CamShift与Kalman相结合的算法 | 第49-54页 |
| ·本章小结 | 第54-56页 |
| 第5章 算法仿真实验与性能分析 | 第56-68页 |
| ·系统的实现 | 第56-57页 |
| ·算法性能的评价指标 | 第57页 |
| ·算法性能分析 | 第57-66页 |
| ·检测效果分析 | 第57-62页 |
| ·影响算法效率的外界因素 | 第62-66页 |
| ·本章小结 | 第66-68页 |
| 第6章 总结及展望 | 第68-70页 |
| ·工作总结 | 第68页 |
| ·工作展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |
